计算机视觉+人工智能面试笔试总结——深度学习基础题41~51
2. **特征降维**。从数学上来理解就是,为了让学到的模型分布更接近真实数据的分布,我们需要最小化模型数据分布与训练数据之间的 `KL 散度`,而因为训练数据的分布是固定的,因此最小化 `KL 散度`等价于最小化交叉熵,而且交叉熵计算更简单,所以机器/深度学习中常用交叉熵 `cross-entroy` 作为分类问题的损失函数。不管是 `TensorFlow`、`Keras`、`Caffe` 还是 `Pytorch`,其卷积层和池化层的参数默认值可能有所不同,但是最终的卷积输出大小计算公式是一样的。...
复制链接